OpenRouter 模型调用排行
近 30 天调用量趋势（Top 6）
日调用 15768.63B tokens · 257,142,798 次请求
定位与擅长场景
DeepSeek V4.1 Flash 登顶 OpenRouter 日调用量榜首，单日近 15.8 万亿 tokens、2.57 亿次请求，热度断层领先。其定位是高频、低延迟的通用推理模型，适合大规模批处理、Agent 工具调用、代码补全与内容生成等对吞吐敏感的负载。
与竞品对比
相比同级闭源旗舰，Flash 版本以更激进的成本与延迟取舍换取吞吐，在调用量维度已形成压倒性优势。榜首位置说明它在开发者侧完成了从“尝鲜”到“默认底座”的迁移，生态粘性明显强于多数竞品。
是否值得接入
值得。若你的场景是高频调用、对单次推理深度要求不极端，它是当前性价比与稳定性最稳的选择之一；建议先小流量灰度验证延迟与质量，再逐步替换主力链路。
日调用 14073.41B tokens · 396,046,248 次请求
定位与擅长场景
GLM-5.3-Flash 在 OpenRouter 日调用量排名第 2，单日 token 消耗约 14 万亿、请求数近 4 亿，属于绝对头部的通用对话模型。Flash 命名指向低延迟、高吞吐场景，适合大规模客服、内容生成、Agent 工具调用等对响应速度和成本敏感的高并发任务。
与竞品对比
它稳居第一梯队，直接对标各家的轻量高速版本。其调用量级说明它已从"备选"变成许多团队的主力生产模型，在中文理解与工具调用上具备差异化优势，海外同类轻量模型在中文场景未必占优。
是否值得接入
值得。如此体量的真实调用是市场用脚投票的结果，稳定性和生态成熟度有保障。建议先小流量灰度验证时延与输出质量，再逐步替换高成本模型，是当前性价比与可靠性兼顾的稳妥选择。
日调用 12517.20B tokens · 110,690,157 次请求
定位与擅长场景
腾讯 hy4-preview-20260827 在 OpenRouter 日调用量排名第 3，日请求约 1.1 亿次、日 Token 超 12.5 万亿，属于头部热度梯队。从体量看，它更像通用高并发主力模型，适合中文对话、内容生成、Agent 工具调用等大规模在线场景，尤其对国内生态与腾讯系产品集成友好。
与竞品对比
它已进入与头部闭源模型同一量级的调用区间，rankChange 为 null 说明是新入榜或缺少环比数据，热度仍在爬升期。相比同榜前列模型，其优势不在极端推理，而在稳定吞吐与成本可控的规模化服务能力。
是否值得接入
值得接入，尤其适合需要中文能力、高并发和国内合规支持的业务。建议先小流量灰度，验证延迟与稳定性后再放量。
日调用 10528.98B tokens · 544,806,848 次请求
定位与擅长场景
DeepSeek V4 Flash 位列调用量第 4，日处理约 10.5 万亿 token、5.4 亿次请求，单次请求平均约 1.9 万 token，说明它主要承载长上下文、高并发的生产级负载——典型如 Agent 流水线、批量文档处理、代码补全与客服机器人。Flash 后缀意味着它以速度和成本效率为优先，而非极限推理。
与竞品对比
在 OpenRouter 生态中稳居前四，意味着它已与头部闭源模型同处第一梯队流量区间。相比同门 Pro 级模型，它牺牲部分复杂推理换取吞吐；相比其他厂商的轻量版，它的请求量级显示出更强的开发者粘性，属于"默认选项"型模型。
是否值得接入
值得。若你的场景是高频、成本敏感、对延迟敏感的任务，它是当前性价比极高的主力候选，建议作为默认模型接入，并在复杂推理任务上保留一个更强模型做兜底路由。
日调用 9754.28B tokens · 320,774,341 次请求
定位与擅长场景
GPT-5.6 Luna 位列 OpenRouter 调用量第 5，日调用量约 9.75 万亿 token、日请求 3.2 亿次，属于第一梯队的通用旗舰。从体量看，它被大量用于高并发通用对话、Agent 工作流与代码辅助等需要稳定长上下文和指令遵循的场景，是典型的"主力生产模型"。
与竞品对比
排名第 5 说明它并非榜首，前面仍有更强或更便宜的对手分流。相比同门的头部型号，Luna 更像是性价比与性能的平衡档；相比开源阵营的高性价比模型，它的优势在稳定性和生态工具链，劣势在成本敏感型批处理场景。
是否值得接入
值得接入，但建议作为主力之一而非唯一。若你的业务看重稳定性、工具调用与英文/代码能力，Luna 是可靠选择；若以成本为第一优先，建议同时保留一个更便宜的开源模型做降级路由。
日调用 7066.45B tokens · 96,781,176 次请求
定位与擅长场景
小米 MiMo v2.5 以日调用量 7.07 万亿 token、9678 万次请求位列第 6，属头部梯队。其调用量级说明已进入高频生产环境，推测在中文对话、端侧协同、IoT 与手机助手类场景具备天然优势，适合小米生态内的应用直接接入。
与竞品对比
排名第 6 意味着它稳定压过大多数开源与二线闭源模型，但仍在头部几家通用大模型之后。与同梯队竞品相比，它的差异化不在绝对能力上限，而在生态绑定与成本效率——高请求数、高 token 量说明单次调用偏轻量，走的是规模化铺量路线。
是否值得接入
结论：视场景而定。 若你的产品面向中文 C 端、需要小米生态整合或追求高并发低成本，值得接入；若追求复杂推理、长链路 Agent 或国际多语言能力，建议优先对比排名更靠前的通用模型。总体而言，它是"生态型选手"而非"全能型选手"。
日调用 4780.91B tokens · 69,925,314 次请求
定位与擅长场景
腾讯 hy3-20260706 在 OpenRouter 日调用量排名第 7，日请求约 6993 万次，日消耗 token 高达 4.78 万亿，单次请求平均 token 量偏大，说明它更多承担长上下文、长输出类任务，如文档理解、代码生成、长文写作与 Agent 链路中的主力推理。腾讯系模型通常在中文语境、企业知识库与微信生态集成上有天然优势，适合国内业务落地。
与竞品对比
排名第 7 意味着它处于第一梯队的腰部位置：热度稳定但尚未挤进头部。与头部通用模型相比，它在纯英文推理或极端复杂任务上可能不占优；但在中文任务、性价比和国内合规接入上更有竞争力。rankChange 为空，说明是新进榜或数据缺失，热度仍在爬坡期。
是否值得接入
值得接入，尤其面向中文场景、需要长上下文且看重国内合规与生态的团队。建议作为主力或备选模型做 A/B 测试，用真实业务数据验证其在你的任务分布上的表现，再决定是否提升调用占比。
日调用 4525.56B tokens · 35,109,979 次请求
定位与擅长场景
NVIDIA Nemotron-3 Ultra 550B（激活55B）位列 OpenRouter 调用量第8，日请求约3511万、日Token超4.5万亿，单请求Token量偏高，说明它被大量用于长上下文、批量推理类任务，典型场景是代码生成、长文档分析与Agent流水线。MoE架构让它在550B总参数下保持相对可控的推理成本，适合需要强推理又在意吞吐的团队。
与竞品对比
它处在第一梯队边缘：调用量已被头部闭源模型和少数开源旗舰拉开差距，但明显高于多数中型模型。相比同量级的开源MoE对手，NVIDIA的优势在于自家GPU栈的推理优化和生态绑定，劣势是社区微调生态与第三方部署方案相对薄弱。
是否值得接入
值得，但要有明确理由。若你已在NVIDIA生态内、或需要长上下文高吞吐推理，它是性价比合理的选择；若追求最活跃的社区支持和最丰富的微调资源，建议优先对比头部开源旗舰再做决定。
日调用 3772.80B tokens · 392,002,181 次请求
定位与擅长场景
DeepSeek V4 Flash 位列调用量第 9，日均约 3.77 万亿 token、3.92 亿次请求，单次请求约 9600 token，说明它被大量用于长上下文、高并发的通用任务：对话、RAG 检索问答、批量内容处理与 Agent 工具调用。Flash 定位是速度与成本优先的主力模型，而非深度推理旗舰。
与竞品对比
在 OpenRouter 榜单上它处于第一梯队尾部，量级与头部闭源模型同台，但明显高于多数中小开源模型。相比同门 Pro/Reasoner 版本，它牺牲部分复杂推理换取吞吐；相比其他厂商的轻量档，它的调用规模证明其在“够用且便宜”这一区间竞争力强。
是否值得接入
值得。若你的场景是高并发、成本敏感、对极致推理要求不高，它是稳妥的默认档；复杂数学、长链推理再切 Pro 或 Reasoner。建议先小流量灰度，验证延迟与稳定性后作为主链路备选或主力。
日调用 3000.36B tokens · 34,796,433 次请求
定位与擅长场景
GLM-5.3 位列调用量榜第 10，日请求约 3479 万次、日消耗 token 超 3 万亿，单次请求平均 token 量偏高，说明它更多被用于长上下文、文档处理、代码生成或 Agent 类重任务，而非轻量闲聊。智谱系模型一贯在中文理解、工具调用与结构化输出上表现扎实，适合国内业务落地。
与竞品对比
它处在头部阵营的腰部位置：调用量落后于榜首梯队，但已明显甩开长尾模型，属于“稳定被选择”的实用型选手。相比同榜的海外闭源模型，它的优势通常在于中文场景与接入成本；相比更小的开源模型，它胜在复杂任务的成功率与稳定性。
是否值得接入
值得。若你的场景以中文、长文本、Agent 工作流为主，且需要可控的性价比，GLM-5.3 是当前热度验证过的稳妥选项。建议先做小流量 A/B，与榜首模型对比质量与延迟后再决定主力位。